DOI: https://doi.org/10.1007/s10462-025-11204-y
تاريخ النشر: 2025-04-16
المؤلف: Gang Kou وآخرون
الموضوع الرئيسي: اتخاذ القرار متعدد المعايير
نظرة عامة
تؤكد ورقة البحث على أهمية استثمارات تخزين الطاقة اللامركزية في تعزيز كفاءة الطاقة وتسهيل دمج مصادر الطاقة المتجددة. تقترح نموذجًا جديدًا لاتخاذ القرار يتضمن اختيار خبراء جماعي قائم على اكتساب المعلومات، وخوارزمية تعلم Q، وخرائط معرفية ضبابية جزيئية، وتحسين سرب الجسيمات متعدد الأهداف (MOPSO) لتحديد استراتيجيات الاستثمار المثلى. تجد الدراسة أن توقعات العملاء (الوزن: 0.2577) والاعتبارات المالية (الوزن: 0.2513) هي العوامل الأكثر أهمية التي تؤثر على أداء مشاريع تخزين الطاقة اللامركزية. بالإضافة إلى ذلك، تم تحديد تخزين الطاقة المعتمد على الهيدروجين (القيمة المتوسطة: 0.1878) ومحطات تبديل البطاريات الموزعة (القيمة المتوسطة: 0.1877) كأكثر بدائل الاستثمار وعدًا.
تعترف الورقة بالقيود، بما في ذلك التنوع الجغرافي والقطاعي المحدود لاختيار الخبراء، مما قد يؤثر على قابلية تعميم النتائج. تقترح أن تشمل الأبحاث المستقبلية مجموعة أوسع من الخبراء وأن تأخذ في الاعتبار التقدم التكنولوجي السريع في قطاع الطاقة، مما يسمح بتحديثات ديناميكية للنموذج. علاوة على ذلك، تسلط الدراسة الضوء على الحاجة إلى تحليل اقتصادي لمعالجة الموضوعية المحتملة في آراء الخبراء وتوصي بتطبيق النموذج عبر مناطق مختلفة للحصول على رؤى أكثر شمولاً حول المشاريع الدولية للطاقة.
مقدمة
تناقش مقدمة هذه الورقة البحثية أهمية استثمارات تخزين الطاقة اللامركزية، التي تمكن من تخزين الطاقة على مستوى محلي بدلاً من الاعتماد على الأنظمة المركزية. تعزز هذه الأنظمة اللامركزية من مرونة إمدادات الطاقة، خاصة في سياق دمج الطاقة المتجددة، وتخفف من المخاطر المرتبطة بالفشل على نطاق واسع التي تتميز بها الأنظمة المركزية. تسلط الورقة الضوء على أهمية تحديد العوامل الحاسمة التي تؤثر على فعالية هذه الاستثمارات، حيث تتطلب الموارد المحدودة تحديد أولويات استراتيجية لتحسين التكاليف التشغيلية وتعزيز نجاح المشاريع على المدى الطويل.
تقترح الدراسة نموذجًا جديدًا من أربع مراحل لتقييم استثمارات تخزين الطاقة اللامركزية، يتضمن تقييمات الخبراء، وخوارزمية تعلم Q لتحقيق توازن بين آراء الخبراء، وخرائط معرفية ضبابية جزيئية لتحديد أولويات المعايير، وتحسين سرب الجسيمات متعدد الأهداف (MOPSO) لترتيب بدائل الاستثمار. يهدف هذا النموذج إلى معالجة الفجوة الموجودة في الأدبيات بشأن تحديد أولويات العوامل وبدائل الاستثمار، وبالتالي توفير إطار عمل منظم لاتخاذ القرار. تؤكد المقدمة على الاستخدام المبتكر لمجموعات ضبابية جزيئية لتحسين تطبيع البيانات وإدارة عدم اليقين، مما يسهم في استراتيجيات استثمار أكثر موثوقية وفعالية في تخزين الطاقة اللامركزية.
طرق البحث
تركز المنهجية الموضحة في هذه الورقة البحثية على تعزيز استثمارات تخزين الطاقة اللامركزية، التي تعتبر حيوية لتقدم مشاريع الطاقة المتجددة. يؤكد المؤلفون على ضرورة تحديد العوامل الحاسمة التي تؤثر على أداء الاستثمار بسبب الموارد المالية المحدودة. لتحقيق ذلك، يتم اقتراح نموذج من أربع مراحل، يتضمن اختيار الخبراء، وتوازن تقييمات الخبراء، وتحديد أولويات المعايير بناءً على آراء الخبراء، وترتيب بدائل الاستثمار. يعالج هذا النموذج العديد من الانتقادات الموجهة لأساليب اتخاذ القرار التقليدية متعددة المعايير، مثل الوزن المتساوي لآراء الخبراء بغض النظر عن اختلافاتهم الديموغرافية، وفرضية الاستقلالية بين المعايير، والطبيعة الثابتة للتحليلات الحالية.
يتضمن النموذج المقترح تقنيات متقدمة للتغلب على هذه القيود. يستخدم خوارزمية تعلم Q لضبط أوزان الخبراء بناءً على العوامل الديموغرافية، وخرائط معرفية ضبابية جزيئية لتحليل العلاقات بين المعايير، وتحسين سرب الجسيمات متعدد الأهداف (MOPSO) للتقييم الديناميكي للبدائل على مر الزمن. بالإضافة إلى ذلك، يتم استخدام مجموعات الأعداد الضبابية لالتقاط عدم اليقين اللغوي في تقييمات الخبراء، مما يعزز دقة النتائج. يتم تفصيل الإطار الرياضي لهذه الطرق، بما في ذلك التعريفات والعمليات لمجموعات الضبابية الجزيئية، التي تسمح بتمثيل دقيق لعدم اليقين في سياق استثمارات الطاقة. بشكل عام، يهدف هذا النهج الشامل إلى تقديم تقييم أكثر واقعية وفعالية لاستثمارات تخزين الطاقة اللامركزية.
نقاش
تسلط قسم النقاش في الورقة البحثية الضوء على الدور الحاسم للتمويل وعوامل أخرى متعددة في تعزيز أداء استثمارات تخزين الطاقة اللامركزية. يؤكد أن الأنظمة اللامركزية للطاقة تُعتبر عمومًا صديقة للبيئة وفعالة، لكنها تواجه تحديات في تلبية الطلب المتزايد وضمان الوصول المالي. تشير الأدبيات إلى أن أنظمة التخزين اللامركزية يمكن أن تعزز تطوير الشبكات المحلية وتحسن مرونة نظام الطاقة، مدعومة بإطارات تنظيمية من الاتحاد الأوروبي. يتم تقديم ابتكارات بارزة، مثل تقنية تخزين الطاقة المصعدية (LEST) وتخزين الطاقة بالهواء المضغوط الأديباتي (A-CAES)، كحلول واعدة للتطبيقات اللامركزية.
علاوة على ذلك، يبرز القسم أهمية توقعات العملاء والطلب، بالإضافة إلى العمليات الداخلية، في تحسين استثمارات تخزين الطاقة اللامركزية. تشير النتائج إلى أن سلوك العملاء يؤثر بشكل كبير على أداء الشبكات الصغيرة، وأن طرق التحكم اللامركزية يمكن أن تؤدي إلى تخفيض التكاليف للمستهلكين. تحدد الدراسة المعايير الرئيسية—التمويل، توقعات العملاء، العمليات الداخلية، والتعلم والنمو—كعوامل حيوية لتحسين أداء الاستثمار. ومع ذلك، تشير إلى وجود فجوة في الأدبيات بشأن التحسين المتزامن لهذه المتغيرات بسبب القيود الاقتصادية. لمعالجة ذلك، تقترح الأبحاث نموذجًا جديدًا يستخدم الذكاء الاصطناعي وخرائط معرفية ضبابية لتحليل وترتيب المعايير الأكثر صلة لتعزيز استثمارات تخزين الطاقة اللامركزية.
DOI: https://doi.org/10.1007/s10462-025-11204-y
Publication Date: 2025-04-16
Author(s): Gang Kou et al.
Primary Topic: Multi-Criteria Decision Making
Overview
The research paper emphasizes the significance of decentralized energy storage investments in enhancing energy efficiency and facilitating the integration of renewable energy sources. It proposes a novel decision-making model that incorporates information gain-based mass expert selection, a q-learning algorithm, molecular fuzzy cognitive maps, and multi-objective particle swarm optimization (MOPSO) to identify optimal investment strategies. The study finds that customer expectations (weight: 0.2577) and financial considerations (weight: 0.2513) are the most critical factors influencing the performance of decentralized energy storage projects. Additionally, hydrogen-based energy storage (average value: 0.1878) and distributed battery swapping stations (average value: 0.1877) are identified as the most promising investment alternatives.
The paper acknowledges limitations, including the restricted geographical and sectoral diversity of expert selection, which may affect the generalizability of the findings. It suggests that future research should involve a broader expert pool and consider the rapid technological advancements in the energy sector, allowing for dynamic updates to the model. Furthermore, the study highlights the need for an econometric analysis to address potential subjectivity in expert opinions and recommends applying the model across different regions to obtain more comprehensive insights into international energy projects.
Introduction
The introduction of this research paper discusses the significance of decentralized energy storage investments, which enable energy storage at a local level rather than relying on centralized systems. These decentralized systems enhance the resilience of energy supply, particularly in the context of renewable energy integration, and mitigate the risks associated with large-scale failures typical of centralized systems. The paper highlights the importance of identifying critical factors influencing the effectiveness of these investments, as limited resources necessitate strategic prioritization to optimize operational costs and enhance long-term project success.
The study proposes a novel four-stage model to evaluate decentralized energy storage investments, incorporating expert assessments, a q-learning algorithm for balancing expert opinions, molecular fuzzy cognitive maps for prioritizing criteria, and multi-objective particle swarm optimization (MOPSO) for ranking investment alternatives. This model aims to address the existing literature gap regarding the prioritization of factors and investment alternatives, thereby providing a structured framework for decision-making. The introduction emphasizes the innovative use of molecular fuzzy sets to improve data normalization and uncertainty management, ultimately contributing to more reliable and effective investment strategies in decentralized energy storage.
Methods
The methodology outlined in this research paper focuses on enhancing decentralized energy storage investments, which are vital for advancing renewable energy projects. The authors emphasize the necessity of identifying critical factors influencing investment performance due to limited financial resources. To achieve this, a four-stage model is proposed, which includes expert selection, balancing expert assessments, prioritizing criteria based on expert opinions, and ranking investment alternatives. This model addresses several criticisms of traditional multi-criteria decision-making approaches, such as the equal weighting of expert opinions regardless of their demographic differences, the assumption of independence among criteria, and the static nature of existing analyses.
The proposed model incorporates advanced techniques to overcome these limitations. It utilizes a Q-learning algorithm to adjust expert weights based on demographic factors, molecular fuzzy cognitive maps to analyze inter-criteria relationships, and multi-objective particle swarm optimization (MOPSO) for dynamic evaluation of alternatives over time. Additionally, fuzzy number sets are employed to capture linguistic uncertainties in expert evaluations, enhancing the accuracy of results. The mathematical framework for these methods is detailed, including definitions and operations for molecular fuzzy sets, which allow for a nuanced representation of uncertainty in the context of energy investments. Overall, this comprehensive approach aims to provide a more realistic and effective evaluation of decentralized energy storage investments.
Discussion
The discussion section of the research paper highlights the critical role of finance and various other factors in enhancing the performance of decentralized energy storage investments. It emphasizes that while decentralized energy systems are generally perceived as environmentally friendly and efficient, they face challenges in meeting growing demand and ensuring financial accessibility. The literature indicates that decentralized storage systems can foster local grid development and improve energy system flexibility, supported by regulatory frameworks from the European Union. Notable innovations, such as Elevator Energy Storage Technology (LEST) and adiabatic compressed air energy storage (A-CAES), are presented as promising solutions for decentralized applications.
Furthermore, the section underscores the importance of customer expectations and demand, as well as internal processes, in optimizing decentralized energy storage investments. The findings suggest that customer behavior significantly influences microgrid performance, and decentralized control methods can lead to cost reductions for consumers. The study identifies key criteria—finance, customer expectations, internal processes, and learning and growth—as vital for improving investment performance. However, it notes a gap in the literature regarding the simultaneous improvement of these variables due to economic constraints. To address this, the research proposes a novel model utilizing artificial intelligence and fuzzy cognitive maps to analyze and rank the most relevant criteria for enhancing decentralized energy storage investments.